導(dǎo)語(yǔ)：零售企業(yè)財(cái)務(wù)預(yù)警論文一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

一、主成分分析和最小二乘支持向量機(jī)算法模型構(gòu)建與研究思路

無(wú)論對(duì)風(fēng)險(xiǎn)預(yù)警進(jìn)行訓(xùn)練、測(cè)試還是數(shù)據(jù)分析都需要一定數(shù)量的樣本集,本文結(jié)合我國(guó)證券市場(chǎng)的現(xiàn)實(shí)特點(diǎn),選擇中小企業(yè)板零售行業(yè)15家上市公司2006～2010年連續(xù)5年的年報(bào)財(cái)務(wù)數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù),財(cái)務(wù)年報(bào)數(shù)據(jù)真實(shí)且具有可比性。在綜合考慮零售行業(yè)特點(diǎn)的基礎(chǔ)上,將ST公司視為“財(cái)務(wù)危機(jī)”企業(yè),如*ST德棉、ST邁亞和ST欣龍等,選擇能夠體現(xiàn)企業(yè)財(cái)務(wù)狀況和經(jīng)營(yíng)成果的5大類,14個(gè)重要相對(duì)指標(biāo)(見(jiàn)表1)。利用PCA和LS-SVM進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警是要在各輔助變量和狀態(tài)量之間建立非線性模型,首先對(duì)獲取的輸入變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,再利用PCA提取數(shù)據(jù),獲得主成分樣本集,作為最小二乘支持向量機(jī)的輸入,得到網(wǎng)絡(luò)化資源優(yōu)化配置模型。建立的框架如圖1所示:選用徑向基核(RBF核函數(shù))作為最小二乘支持向量機(jī)的核函數(shù)如下式:,σ為可調(diào)常數(shù),結(jié)合三步搜索法和多層動(dòng)態(tài)自適應(yīng)優(yōu)化算法對(duì)企業(yè)財(cái)務(wù)預(yù)警模型進(jìn)行訓(xùn)練[4],用測(cè)試集驗(yàn)證,選擇合適的超參數(shù)γ和徑向基核參數(shù)σ。基于主成分分析和最小二乘支持向量機(jī)的制造網(wǎng)格資源優(yōu)化配置建?？梢酝ㄟ^(guò)以下步驟實(shí)現(xiàn):(1)對(duì)p維隨機(jī)矢量Xn×p原始樣本集進(jìn)行Z-Score標(biāo)準(zhǔn)化,使每個(gè)隨機(jī)矢量的均值為0,方差為1。(2)由協(xié)方差矩陣求出主成分值和特征向量,根據(jù)期望值和累計(jì)貢獻(xiàn)率確定主成分,這樣通過(guò)PCA可將p維隨機(jī)矢量變?yōu)閙維主元變量(m<p)。(3)將三步搜索法和多層動(dòng)態(tài)自適應(yīng)優(yōu)化算法引入到最小二乘支持向量機(jī)參數(shù)選擇中,二維空間平面由γ和RBF核參數(shù)σ組成的,以模型的預(yù)報(bào)準(zhǔn)確率作為判別準(zhǔn)則,能夠找到最優(yōu)的組合,建立PCA-LSSVM預(yù)警模型,并用建立好的模型進(jìn)行仿真。

二、算例分析

風(fēng)險(xiǎn)預(yù)警機(jī)制包含一些定量財(cái)務(wù)指標(biāo),企業(yè)風(fēng)險(xiǎn)級(jí)別可以通過(guò)計(jì)算企業(yè)財(cái)務(wù)指標(biāo)來(lái)反映,以其短期償債能力、長(zhǎng)期償債能力、運(yùn)營(yíng)能力、獲利能力和發(fā)展能力等指標(biāo)為依據(jù),了解企業(yè)財(cái)務(wù)狀況的變化,進(jìn)而達(dá)到預(yù)警的作用。取與財(cái)務(wù)預(yù)警模型對(duì)應(yīng)時(shí)刻競(jìng)爭(zhēng)因素的特征變量計(jì)算值作為初始量測(cè)樣本,剔除病態(tài)樣本數(shù)據(jù)和異常數(shù)據(jù),選取45組零售企業(yè)數(shù)據(jù)作為訓(xùn)練樣本,同一行業(yè)的10組企業(yè)數(shù)據(jù)作為測(cè)試樣本來(lái)建立和檢驗(yàn)?zāi)Ｐ?然后對(duì)該初始樣本集進(jìn)行主成分分析。

三、結(jié)論

制造網(wǎng)格資源優(yōu)化配置為企業(yè)聯(lián)盟自動(dòng)選擇和控制提供了可能,本文研究和提出了一種基于PCA和最小二乘支持向量機(jī)技術(shù)的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方法。該方法采用了主成分分析,有效地消除了噪聲和數(shù)據(jù)間的關(guān)聯(lián)性,在保證足夠樣本數(shù)據(jù)信息的前提下,降低了樣本數(shù)據(jù)的維數(shù)(從14維到10維)。同時(shí)根據(jù)樣本特征,設(shè)計(jì)適合風(fēng)險(xiǎn)預(yù)警的LS-SVM結(jié)構(gòu)用于估計(jì),使復(fù)雜度大大降低,運(yùn)算速度加快。該模型具有泛化能力強(qiáng)、實(shí)現(xiàn)簡(jiǎn)單、訓(xùn)練速度快等優(yōu)點(diǎn),為零售行業(yè)中企業(yè)財(cái)務(wù)的正確管理提供了極大方便。

作者:韓霞單位:錫林郭勒職業(yè)學(xué)院